qsgg and Subarray（二分&位运算）---牛客练习赛112-B

我们可以知道and运算的性质要想让and运算和为0说明这些数的每一个位置and完都是0。通常在判断区间个数的做法的时候我们通常的做法是先固定一个左端点，然后二分右边端点。那我们知道在第i位上只要有一个数为0那么这些数字and运算完之后就是0。那每个左端点对应的答案就是ans+=(n-l+1);我们可以先按位处理把每一个位置上是0还是1处理一下。那我们只需要二分出最大右端点的最小左位置那就可以了。那怎么写二分的check函数呢？那mid-n这部分都是满足的。我们设置这个答案为mid。

思路：题目数组的数据为1e9级别的，大概为2的30次方，所以我们对每个数的2进制的前30位与1进行与操作，从小到大枚举右端点的下标，用lst[j]=i数组记录第j位为0的最大坐标，连续子序列的左端点的最大值为lst的最小值，故只需加上左端点即找到了，多个连续子序列。题意：就是给你一个数组让你找连续的子数组，与运算为0；与运算有0为0，全1为1。

subarray是截取数组中连续的一段子数组。 subsequence是序列中不连续的一段子序列。 [1,2,3,4,5,6] subarray=[3,4,5]; subsequence=[2,4,5];

题意：给你一串字符串，问有多少个子串满足str[r]-str[l]=r-l 很明显要用到前缀和，但暴力一个一个找肯定是不行滴，这里要用一个小技巧，将所有的数减去一，那么str[r]-str[l]=r-l就变成了str[r]-str[l]=0,所以满足条件的话两位置之间的和应该为0，所以我们只需要寻找sum[x]==sum[y]的个数就可以算出结果，结果是(sum[x]-1)*sum[x]/2,我们可以便判断边处理，遇到sum[x]==0时ans++，然后再加上这之前的sum[x]的个数。 #include&

【代码】qsgg and Primes（素数）---牛客练习赛112-A。

蓝桥杯冲刺总结

Subsequence的定义: 在一个数组或字符串中的非连续子集 最经典的DP 300. Longest Increasing Subsequence 题目: 给出一个数组, 找出非连续的递增序列 思路: O(n^2):使用一个一维的dp数组 + 两个for循环遍历, dp数组中存的是以当前位置结尾的最长子序列长度,先用一个for loop遍历所有数字,当 遍历每个数字的时候用再另一个for循...

实际上，一个反半标准杨表（reverse SSYT）就是一种特殊的平面分拆（移除了无关的0），事实上，在我们定义反半标准杨表时，我们提到了另一个术语“列严格平面分拆”。本节和接下来的两节将致力于讨论整数分拆的一个引人入胜的推广，称为“平面分拆”。我们将基于 RSK 算法以及一种将一对同形状的反半标准杨表合并成单个平面分拆的简单方法，给出一个优雅的双射证明。当我们考虑 RSK 算法的对称性结果定理 7.13.1 时，定理 7.20.1 的一个很好的变体就出现了。的每一列都是互异奇数部分的分拆。

本文解析了LeetCode 34题，探讨如何在有序数组中高效查找目标值的起始和结束位置。通过分析原始代码的复杂度问题，提出优化方案：采用两次独立的二分查找，分别定位左边界（第一个等于目标值的位置）和右边界（最后一个等于目标值的位置）。优化后的代码逻辑更清晰，时间复杂度保持O(log n)，空间复杂度为O(1)。关键点在于正确处理二分查找的边界条件，先验证左边界有效性，再推导右边界，确保结果准确。

计数排序是一种非比较排序算法，适用于整数数据且范围较小的情况。其核心思想是统计每个元素出现的次数，然后根据统计结果将元素重新排列。虽然时间复杂度高效（O(N+range)），但空间复杂度较高（O(range)），且仅适用于整数类型。该算法在数据范围集中时性能优异，比快速排序更快，但在数据范围较大时空间消耗显著。

解题思路一：我们可以设一个优先级队列，将各个链表头入列，在创建一个链表最小链入链表中。解题思路一：我们可以首先算出来有我们需要反转几次，然后我们就可以将他看作为几个逆置。解法思路二：归并我们可以通过归并将链表分为两个，在将两个链表进行排序。我们也可通过定义四个指针,改变她们的next值来交换结点。2、逆序后半段的指针（断开两端的指针）

摘要： 题目要求在整数数组中找到两个数之和等于目标值的索引。暴力解法使用双重循环遍历所有可能组合，时间复杂度O(n²)。优化解法利用哈希表存储元素值及其索引，通过查找补数(target-nums[i])将时间复杂度降至O(n)。示例演示了哈希解法的工作流程：当nums=[2,7,11,15]，target=9时，补数7在字典中找到键2，返回索引[0,1]。两种解法均确保结果唯一，但哈希法以空间换时间更高效。

【建筑物提取算法】利用语义分割算法对高分辨卫星影像中建筑物进行智能提取，从遥感影像、航拍图像等数据中自动识别并分离建筑物目标的技术可以高效地处理大量数据，为城市规划、灾害管理、环境监测等领域提供重要支持。Transformer类：针对 CNN 在长距离特征关联上的不足，Transformer 通过自注意力机制捕捉图像中建筑物与背景的全局关联（如大面积建筑群的整体分布），在高分辨率遥感影像提取中表现更好。②几何特征：捕捉建筑物的规则形状（矩形、多边形）、阴影轮廓（如正午时分建筑物投射的清晰阴影）；

SHAP分析+KOA-RIME开普勒结合霜冰算法双重优化BP神经网络+9种映射方法+新数据预测！机器学习可解释分析！

仍然是并查集的练习

本文介绍了位运算的基础知识及其在解决算法问题中的应用。首先讲解了按位与、或、异或和取反四种基本运算的原理和使用场景。随后重点分析了三个经典位运算问题：1)计算整数的二进制1的个数（汉明重量），通过n&(n-1)技巧高效实现；2)比特位计数问题，利用动态规划公式ret[i]=ret[i>>1]+(i&1)优化计算；3)计算两个数的汉明距离，采用异或运算快速定位差异位。文章提供了每个问题的详细解析、优化思路和代码实现，展示了位运算在算法优化中的重要作用。这些技巧能有效提升程序性能，特

(2)处理边界情况，如果target为负数，表示sum<x,不合法，返回-1。如果target等于0，表示sum=x,直接返回n;，求解出和为target的最长连续子串的长度，用数组的长度减去和为target的最长连续子串的长度，即为所求。先求出数组中所有元素的和，减去x的值得到target，借助。(1)求出数组中所有元素的和，算出target；思想，记录和为target的最长连续子串的长度；(4)最后返回最小操作数。

dijkstra基础版见文章朴素版的dijkstra时间复杂度为 O(n^2)，只和 n （节点数量）有关系。如果n的数量进一步上升，可以换一个角度来优先性能。在最小生成树章节涉及两个算法，（从点的角度来求最小生成树）、（从边的角度来求最小生成树）。朴素dijkstra当时是从点出发，也就是类似prim算法，那我们也可以想到如果点多边少（这里的多少都是相对而言），是不是可以从进行优化。